| 1 |
1
들로네 삼각분할(Delaunay Triangulation)을 위한 포인터 네트워크(pointer network)의 학습을 통해 메쉬 구조를 생성할 수 있는 그래픽 처리 장치에 있어서,사전 설정된 서로 다른 n - n은 4이상의 자연수임 - 개의 훈련용 정점(vertex)들의 좌표와, 상기 훈련용 정점들에 대해 들로네 삼각분할을 수행하였을 때 생성되는 각 삼각형에 대응되는 점 집합들 - 상기 점 집합들은 들로네 삼각분할에 따라 생성되는 각 삼각형을 구성하는 3개의 꼭짓점에 대응되는 정점들의 집합을 의미함 - 이 트레이닝 세트로 저장되어 있음과 동시에, 상기 훈련용 정점들 상호 간에 사전 설정되어 있는 연관도에 대한 정보가 추가로 저장되어 있는 트레이닝 세트 저장부;미리 설정된 엔드 토큰(end token)을 시작으로 해서, 상기 훈련용 정점들의 좌표를 사전식 순서(lexicographic order)에 따라 정렬하여 포인터 네트워크를 구성하는 인코더의 입력 열로 지정하고, 상기 점 집합들을 구성하는 꼭짓점을 사전식 순서에 따라 정렬하여, 정렬된 상기 점 집합들을 구성하는 꼭짓점을, 상기 포인터 네트워크의 디코더를 구성하는 디코더 유닛(decoder unit)별로, 어텐션 가중치(attention weight)를 기초로 포인팅되는 상기 인코더 측의 입력으로 지정한 후, 상기 디코더 유닛별로 지정된 입력에 대한 어텐션 가중치가 최대가 되도록 상기 포인터 네트워크에 대한 기계학습을 수행하는 학습 수행부;상기 포인터 네트워크에 대한 기계학습이 완료된 이후, n개의 제1 정점들을 갖는 그래픽 모델에 대한 메쉬(mesh) 구조의 생성 명령이 인가되면, 상기 제1 정점들의 좌표를 확인하는 좌표 확인부;상기 엔드 토큰과 상기 제1 정점들의 좌표를 사전식 순서에 따라 정렬하여 기계학습이 완료된 상기 포인터 네트워크를 구성하는 상기 인코더의 입력 열로 인가함으로써, 상기 디코더를 구성하는 상기 디코더 유닛별로, 어텐션 가중치를 기초로 포인팅되는 상기 인코더 측의 입력을 확인하는 포인팅 확인부; 및상기 제1 정점들 중, 상기 디코더 유닛별로 포인팅되는 상기 인코더 측의 입력에 대응하는 정점을 순차적으로 3개씩 그룹화하고, 상기 제1 정점들로부터 상기 3개씩 그룹화된 정점들을 꼭짓점으로 갖는 삼각형 엘리먼트를 구성함으로써, 상기 그래픽 모델의 메쉬 구조를 생성하는 메쉬 구조 생성부를 포함하고,상기 학습 수행부는상기 인코더를 통해서 산출되는 상기 훈련용 정점들에 대한 임베딩 출력 값에 대해, 상기 훈련용 정점들 상호 간에 설정되어 있는 연관도에 기초하여 셀프-어텐션(Self-attention)을 적용함으로써, 상기 훈련용 정점들에 대한 새로운 임베딩 출력 값을 산출하고, 상기 훈련용 정점들에 대한 새로운 임베딩 출력 값을 기초로 산출되는, 상기 디코더 유닛별로 지정된 입력에 대한 어텐션 가중치가 최대가 되도록 상기 포인터 네트워크에 대한 기계학습을 수행하는 그래픽 처리 장치
|
| 2 |
2
삭제
|
| 3 |
3
제1항에 있어서,상기 포인팅 확인부는상기 엔드 토큰과 상기 제1 정점들의 좌표를 사전식 순서에 따라 정렬하여 기계학습이 완료된 상기 포인터 네트워크를 구성하는 상기 인코더의 입력 열로 인가함으로써, 인코딩 결과를 산출하고, 상기 인코딩 결과를 상기 포인터 네트워크를 구성하는 상기 디코더에 인가함으로써, 상기 디코더를 구성하는 상기 디코더 유닛별로 상기 엔드 토큰과 상기 제1 정점들 각각에 대한 어텐션 가중치를 연산하는 어텐션 연산부;상기 디코더에서 상기 엔드 토큰이 상기 인코더 측의 입력으로 포인팅될 때까지, 상기 디코더 유닛별로, 상기 제1 정점들 중 어텐션 가중치가 최대인 정점이 각 디코더 유닛에 대응되는 상기 인코더 측의 입력으로 포인팅되도록 지정하는 포인팅부; 및상기 디코더 유닛별로 포인팅되는 상기 인코더 측의 입력을 확인하는 확인 처리부를 포함하는 그래픽 처리 장치
|
| 4 |
4
제3항에 있어서,상기 어텐션 연산부는상기 디코더를 구성하는 상기 디코더 유닛별로, 미리 설정된 스코어(score) 함수를 기초로 상기 엔드 토큰과 상기 제1 정점들 각각에 대한 어텐션 스코어를 연산하고, 상기 엔드 토큰과 상기 제1 정점들 각각에 대한 어텐션 스코어에 미리 설정된 활성화 함수(Activation Function)를 적용함으로써, 상기 엔드 토큰과 상기 제1 정점들 각각에 대한 어텐션 가중치를 연산하는 것을 특징으로 하는 그래픽 처리 장치
|
| 5 |
5
제4항에 있어서,상기 포인팅부는상기 디코더를 구성하는 상기 디코더 유닛의 개수가 3t+1 - t는 자연수임 - 개라고 하는 경우, 3k - k는 t이하의 크기를 갖는 모든 자연수임 - 번째 디코더 유닛에서 어텐션 가중치가 최대인 정점이 상기 인코더 측의 입력으로 포인팅될 때마다, 3k-2, 3k-1, 3k번째 디코더 유닛을 통해서 포인팅되는 정점 간의 연결을 통해 들로네 삼각형이 생성되는지 여부를 확인하고, 들로네 삼각형이 생성되지 않는 것으로 확인되는 경우, 3k번째 디코더 유닛을 통해서 포인팅되는 정점에 대한 어텐션 스코어에 대해서, 미리 설정된 크기의 음수 값을 더한 후 상기 활성화 함수를 적용함으로써, 3k번째 디코더 유닛을 통해서 포인팅되는 정점에 대한 어텐션 가중치를 조정한 후, 상기 제1 정점들 중 3k번째 디코더 유닛에서의 어텐션 가중치가 최대인 정점이 상기 인코더 측의 입력으로 재포인팅되도록 지정하는 것을 특징으로 하는 그래픽 처리 장치
|
| 6 |
6
제5항에 있어서,상기 포인팅부는3k-2, 3k-1, 3k번째 디코더 유닛을 통해서 포인팅되는 정점 간의 연결을 통해 생성되는 삼각형의 외접원 내부에, 상기 제1 정점들 중 어느 하나 이상의 정점이 포함되어 있는 것으로 확인되는 경우, 3k-2, 3k-1, 3k번째 디코더 유닛을 통해서 포인팅되는 정점 간의 연결을 통해 들로네 삼각형이 생성되지 않는 것으로 확인하는 것을 특징으로 하는 그래픽 처리 장치
|
| 7 |
7
들로네 삼각분할(Delaunay Triangulation)을 위한 포인터 네트워크(pointer network)의 학습을 통해 메쉬 구조를 생성할 수 있는 그래픽 처리 장치의 동작 방법에 있어서,사전 설정된 서로 다른 n - n은 4이상의 자연수임 - 개의 훈련용 정점(vertex)들의 좌표와, 상기 훈련용 정점들에 대해 들로네 삼각분할을 수행하였을 때 생성되는 각 삼각형에 대응되는 점 집합들 - 상기 점 집합들은 들로네 삼각분할에 따라 생성되는 각 삼각형을 구성하는 3개의 꼭짓점에 대응되는 정점들의 집합을 의미함 - 이 트레이닝 세트로 저장되어 있음과 동시에, 상기 훈련용 정점들 상호 간에 사전 설정되어 있는 연관도에 대한 정보가 추가로 저장되어 있는 트레이닝 세트 저장부를 유지하는 단계;미리 설정된 엔드 토큰(end token)을 시작으로 해서, 상기 훈련용 정점들의 좌표를 사전식 순서(lexicographic order)에 따라 정렬하여 포인터 네트워크를 구성하는 인코더의 입력 열로 지정하고, 상기 점 집합들을 구성하는 꼭짓점을 사전식 순서에 따라 정렬하여, 정렬된 상기 점 집합들을 구성하는 꼭짓점을, 상기 포인터 네트워크의 디코더를 구성하는 디코더 유닛(decoder unit)별로, 어텐션 가중치(attention weight)를 기초로 포인팅되는 상기 인코더 측의 입력으로 지정한 후, 상기 디코더 유닛별로 지정된 입력에 대한 어텐션 가중치가 최대가 되도록 상기 포인터 네트워크에 대한 기계학습을 수행하는 단계;상기 포인터 네트워크에 대한 기계학습이 완료된 이후, n개의 제1 정점들을 갖는 그래픽 모델에 대한 메쉬(mesh) 구조의 생성 명령이 인가되면, 상기 제1 정점들의 좌표를 확인하는 단계;상기 엔드 토큰과 상기 제1 정점들의 좌표를 사전식 순서에 따라 정렬하여 기계학습이 완료된 상기 포인터 네트워크를 구성하는 상기 인코더의 입력 열로 인가함으로써, 상기 디코더를 구성하는 상기 디코더 유닛별로, 어텐션 가중치를 기초로 포인팅되는 상기 인코더 측의 입력을 확인하는 단계; 및상기 제1 정점들 중, 상기 디코더 유닛별로 포인팅되는 상기 인코더 측의 입력에 대응하는 정점을 순차적으로 3개씩 그룹화하고, 상기 제1 정점들로부터 상기 3개씩 그룹화된 정점들을 꼭짓점으로 갖는 삼각형 엘리먼트를 구성함으로써, 상기 그래픽 모델의 메쉬 구조를 생성하는 단계를 포함하고,상기 기계학습을 수행하는 단계는상기 인코더를 통해서 산출되는 상기 훈련용 정점들에 대한 임베딩 출력 값에 대해, 상기 훈련용 정점들 상호 간에 설정되어 있는 연관도에 기초하여 셀프-어텐션(Self-attention)을 적용함으로써, 상기 훈련용 정점들에 대한 새로운 임베딩 출력 값을 산출하고, 상기 훈련용 정점들에 대한 새로운 임베딩 출력 값을 기초로 산출되는, 상기 디코더 유닛별로 지정된 입력에 대한 어텐션 가중치가 최대가 되도록 상기 포인터 네트워크에 대한 기계학습을 수행하는 그래픽 처리 장치의 동작 방법
|
| 8 |
8
삭제
|
| 9 |
9
제7항에 있어서,상기 인코더 측의 입력을 확인하는 단계는상기 엔드 토큰과 상기 제1 정점들의 좌표를 사전식 순서에 따라 정렬하여 기계학습이 완료된 상기 포인터 네트워크를 구성하는 상기 인코더의 입력 열로 인가함으로써, 인코딩 결과를 산출하고, 상기 인코딩 결과를 상기 포인터 네트워크를 구성하는 상기 디코더에 인가함으로써, 상기 디코더를 구성하는 상기 디코더 유닛별로 상기 엔드 토큰과 상기 제1 정점들 각각에 대한 어텐션 가중치를 연산하는 단계;상기 디코더에서 상기 엔드 토큰이 상기 인코더 측의 입력으로 포인팅될 때까지, 상기 디코더 유닛별로, 상기 제1 정점들 중 어텐션 가중치가 최대인 정점이 각 디코더 유닛에 대응되는 상기 인코더 측의 입력으로 포인팅되도록 지정하는 단계; 및상기 디코더 유닛별로 포인팅되는 상기 인코더 측의 입력을 확인하는 단계를 포함하는 그래픽 처리 장치의 동작 방법
|
| 10 |
10
제9항에 있어서,상기 어텐션 가중치를 연산하는 단계는상기 디코더를 구성하는 상기 디코더 유닛별로, 미리 설정된 스코어(score) 함수를 기초로 상기 엔드 토큰과 상기 제1 정점들 각각에 대한 어텐션 스코어를 연산하고, 상기 엔드 토큰과 상기 제1 정점들 각각에 대한 어텐션 스코어에 미리 설정된 활성화 함수(Activation Function)를 적용함으로써, 상기 엔드 토큰과 상기 제1 정점들 각각에 대한 어텐션 가중치를 연산하는 것을 특징으로 하는 그래픽 처리 장치의 동작 방법
|
| 11 |
11
제10항에 있어서,상기 포인팅되도록 지정하는 단계는상기 디코더를 구성하는 상기 디코더 유닛의 개수가 3t+1 - t는 자연수임 - 개라고 하는 경우, 3k - k는 t이하의 크기를 갖는 모든 자연수임 - 번째 디코더 유닛에서 어텐션 가중치가 최대인 정점이 상기 인코더 측의 입력으로 포인팅될 때마다, 3k-2, 3k-1, 3k번째 디코더 유닛을 통해서 포인팅되는 정점 간의 연결을 통해 들로네 삼각형이 생성되는지 여부를 확인하고, 들로네 삼각형이 생성되지 않는 것으로 확인되는 경우, 3k번째 디코더 유닛을 통해서 포인팅되는 정점에 대한 어텐션 스코어에 대해서, 미리 설정된 크기의 음수 값을 더한 후 상기 활성화 함수를 적용함으로써, 3k번째 디코더 유닛을 통해서 포인팅되는 정점에 대한 어텐션 가중치를 조정한 후, 상기 제1 정점들 중 3k번째 디코더 유닛에서의 어텐션 가중치가 최대인 정점이 상기 인코더 측의 입력으로 재포인팅되도록 지정하는 것을 특징으로 하는 그래픽 처리 장치의 동작 방법
|
| 12 |
12
제11항에 있어서,상기 포인팅되도록 지정하는 단계는3k-2, 3k-1, 3k번째 디코더 유닛을 통해서 포인팅되는 정점 간의 연결을 통해 생성되는 삼각형의 외접원 내부에, 상기 제1 정점들 중 어느 하나 이상의 정점이 포함되어 있는 것으로 확인되는 경우, 3k-2, 3k-1, 3k번째 디코더 유닛을 통해서 포인팅되는 정점 간의 연결을 통해 들로네 삼각형이 생성되지 않는 것으로 확인하는 것을 특징으로 하는 그래픽 처리 장치의 동작 방법
|
| 13 |
13
제7항, 제9항, 제10항, 제11항 또는 제12항 중 어느 한 항의 방법을 컴퓨터와의 결합을 통해 실행시키기 위한 컴퓨터 프로그램을 기록한 컴퓨터 판독 가능 기록 매체
|
| 14 |
14
제7항, 제9항, 제10항, 제11항 또는 제12항 중 어느 한 항의 방법을 컴퓨터와의 결합을 통해 실행시키기 위한 저장매체에 저장된 컴퓨터 프로그램
|
